联系我们

自然语言处理

通过自然语言处理从社交媒体获得见解的6个步骤

mm

更新

 on

通过自然语言处理(NLP)从社交媒体大规模获取见解的6个步骤
图片来源:canva

情绪分析和 自然语言处理 社交媒体(NLP)是一种从人和社会中汲取见识的行之有效的方法。情绪分析可以让您快速摘要,而不是要求分析师花数周的时间阅读社交媒体评论并提供报告。这意味着您可以更快地做出决策。

为什么在社交媒体中需要情感分析和自然语言处理?

您 ’重新生活在大数据时代。以社交媒体用户为例。在 2019,全球有34亿活跃的社交媒体用户。上 您 Tube 仅每天就有十亿小时的视频内容被观看。每个指标都表明,随着时间的推移,我们会看到更多的数据,而不是更少。

太多的数据供您手动检查。即使是预算巨大的组织,例如国家政府和跨国公司,也正在使用数据分析工具,算法和自然语言处理。

通过使用这些技术,您可以立即了解人们对您的品牌的评价。最大限度地减少选择偏见并避免依赖轶事的能力意味着您的决定将具有坚实的基础。这意味着您在对瞬息万变的世界做出反应时会犯更少的错误。

情绪分析&NLP实战:招聘,公共卫生和市场营销

您可能想知道这些数据分析工具在现实世界中是否有用,或者是否可靠使用。这些工具已经存在了十多年,并且每年都在不断完善。借助NLP和情绪分析,您可以更快地解决问题。

节省招聘时间

在招聘中,很难找到合适的人选。 沃波利斯 estimates that “给定角色的多达75%的申请人’实际上没有资格这样做。”将时间花在那些候选人身上没有效果。幸运的是,自然语言处理和分析可以帮助您找到合适的人选,从而可以高效地利用时间。那’s why 蓝橙数码与对冲基金合作 优化他们的人力资源流程。使用十年’由于拥有大量的申请人数据和简历,该公司现在拥​​有完善的评分模型来寻找合适的候选人。

公共卫生和紧急情况

2020年,我们 ’由于COVID的迅速传播,所有人都开始学习大规模公共卫生数据分析的价值。在这些危机中,迅速发现社会行为的变化至关重要。使用NLP,您可以分析社交媒体以评估情绪。例如,最近 项目分析了1000多个推文 使用“口罩”关键字了解人们对口罩的想法和感觉。

营销学

在营销中,您需要随时了解目标市场的想法和感觉。一个 2019研究 使用Twitter情绪分析来了解服装品牌:耐克和阿迪达斯更好。研究人员分析了30,895条英语推文,“阿迪达斯的情绪比耐克更积极。”但是,超过50%的推文带有中立的情绪。这意味着仍有很大的机会在市场上赢得更多正面评价。

点赞是社交媒体中的新货币NLP

点赞是社交媒体中的新货币NLP

情感分析在技术上如何工作?

为了使情感分析有效地起作用,需要牢记一些基本的技术要点。

1)提出相关的业务问题

确定您要回答哪些问题,以及这些数据技术是否适合这些问题。让’考虑两个营销问题

  • 我们是否应该与信用卡公司建立营销合作伙伴关系以增加销售额?
  • 我们的网红营销活动是否能获得回报?

第一个问题涉及战略和未来可能性,因此将没有太多数据需要分析。因此,我们建议不要尝试用情感分析来回答这个问题。相比之下,第二个问题对于自然语言处理则更有希望。它仍然需要进一步完善,但是您已经开始了一个适当的问题。

2)查找您的数据源

下一步是找到要分析的相关数据源。理想情况下,寻找已有的数据源而不是创建新的数据源。对于招聘,您可能在申请人跟踪系统中有一个申请人和成功录用者的数据库。在市场营销中,您可以使用API​​从社交媒体平台下载数据。

提示:数据量对于情感分析的工作至关重要。根据经验,您的数据集应至少包含1,000个示例(例如1,000条推文或1,000个申请人资料)。小于此的任何值,您获得统计上有意义的结果的可能性就较小。

阅读更多 替代数据源,并使用第三方数据补充您的数据.

3)预处理您的数据

大多数数据源(尤其是社交媒体)和用户生成的内容都需要进行预处理,然后才能使用。假设您正在分析文本资源,请先删除不必要的标点符号,字符和其他清除文本。在此步骤上花费时间将提高结果分析的质量。

由于更广泛的数据集往往会产生更好的结果,因此请使用工具进一步清理数据。例如, 波特·斯特默算法 是清理文本数据的有用方法。该算法有助于识别词根并减少数据中的噪音。

4)分析数据

根据您的目标,可以使用不同的软件工具和算法来分析数据。假设您正在分析文本,朴素贝叶斯算法是进行情感分析的正确选择。

5)严格评估输出

您不能仅仅接受机器非关键地生成的数据分析。研究人员发现 机器学习 工具倾向于反映人的偏见。例如, 亚马逊取消了人力资源算法 因为它歧视女性候选人。毕竟,在这种情况下,历史数据主要基于人。那’s where your values –像对包容性和多样性的承诺–需要平衡数据驱动的见解。 

这也适用于搜索引擎产生的输出。 KISS专利执行长D'vorah Graeser举例说明了NLP在分析来自世界知识产权组织的信息时如何改善其搜索引擎结果 

“在尝试寻找区块链或人工智能等新技术的专利时,使用NLP特别相关且有用。’例如,在世界知识产权组织中已经定义了类别。能够搜索和找到专利对所有创新者都很重要,因为这样他们就可以知道谁’正在研究某些创新,以及他们的创新是否像他们认为的那样独特和新颖。”

KISS专利首席执行官D'vorah Graeser

6)确定下一步

情绪分析本身不会改变您的业务。您需要查看这些见解并做出决定。例如,您可能会发现您对在线品牌的负面情绪与日俱增。在这种情况下,您可以启动一个研究项目来确定客户的关注点,然后发布产品的改进版本。

不确定在社交媒体上从哪里开始使用NLP?

找到合适的数据,对这些数据应用算法,并获得有用的业务见解,’容易。毕竟,拥有丰富资源的大公司在其自然语言处理项目中犯了错误。那’这就是为什么需要从外部角度了解数据的原因。联系 蓝橙色数字 今天,您将了解如何从社交媒体和组织中的其他数据中获得更快的见解。

有关AI和技术趋势的更多信息,请参阅Blue Orange Digital的数据驱动解决方案首席执行官Josh Miramant 供应链, 医疗文档自动化, 和更多 实例探究.

乔什·米拉曼(Josh Miramant)是该公司的首席执行官和创始人 Blue Orange Digital,是一家顶级的数据科学和机器学习机构,在纽约市和华盛顿特区设有办事处。 Miramant是一位受欢迎的演讲者,未来主义者,并且是企业公司和初创公司的战略业务与技术顾问。他帮助组织优化和自动化其业务,实施数据驱动的分析技术,并了解人工智能,大数据和物联网等新技术的含义。